你的设备可能比你自己更了解你——基于新数据集的机器学习连续认证
人工智能
2024-03-07 v1
摘要
本研究旨在进一步理解利用行为生物特征进行连续认证的领域。我们贡献了一个新颖的数据集，涵盖了 15 名用户使用三星平板电脑玩《Minecraft》长达 15 分钟的手势数据。利用该数据集，我们采用了机器学习（ML）二分类器，包括随机森林（RF）、K-近邻（KNN）和支持向量分类器（SVC），以确定特定用户行为的真实性。我们最稳健的模型是 SVC，其平均准确率约为 90%，表明触摸动态可以有效区分用户。然而，要使其成为认证系统的可行选项，仍需进一步研究。
引用
@article{arxiv.2403.03832,
title = {Your device may know you better than you know yourself -- continuous authentication on novel dataset using machine learning},
author = {Pedro Gomes do Nascimento and Pidge Witiak and Tucker MacCallum and Zachary Winterfeldt and Rushit Dave},
journal= {arXiv preprint arXiv:2403.03832},
year = {2024}
}